Waarom is dit belangrijk?
Analisten kunnen met deze methode in grote bestanden groepen met een grillige vorm vinden, ook als die vorm vooraf nog onbekend is. In medisch onderzoek helpt DBSCAN om patiënten met vergelijkbare klachten in te delen en hun toestand te volgen. Voor mensen die met patiëntgegevens werken, worden zulke patronen in klachten zichtbaar, maar een ongelukkig gekozen afstand laat verschillende groepen samenvallen.
Zo werkt het in de praktijk
Onderzoekers van de Université Grenoble Alpes passen DBSCAN meerdere keren toe op jonge sterren in het Taurus-complex. Bij elke stap houden zij het minimumaantal punten vast en variëren zij de afstand. Zo vinden zij groepen op verschillende schalen en zetten die in een boom.
DBSCAN werkt met één combinatie van afstand en minimumaantal punten. Die combinatie dekt gegevens met sterk verschillende dichtheid niet. Campello, Moulavi en Sander publiceerden in 2013 HDBSCAN, dat groepen in lagen vastlegt, van grof naar fijn.
In de praktijk kiest een analist twee instellingen: de maximale afstand epsilon en het minimumaantal punten. Een k-afstandsgrafiek zet die afstanden op volgorde. De knik in die grafiek wijst een bruikbare waarde voor epsilon aan.




